CN114355333A - 一种自动驾驶基于控制信息的目标筛选方法及系统、车辆 - Google Patents

一种自动驾驶基于控制信息的目标筛选方法及系统、车辆 Download PDF

Info

Publication number
CN114355333A
CN114355333A CN202111659183.4A CN202111659183A CN114355333A CN 114355333 A CN114355333 A CN 114355333A CN 202111659183 A CN202111659183 A CN 202111659183A CN 114355333 A CN114355333 A CN 114355333A
Authority
CN
China
Prior art keywords
target
vehicle
control information
information
lane
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111659183.4A
Other languages
English (en)
Other versions
CN114355333B (zh
Inventor
谭余
李涛
熊新立
王皓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202111659183.4A priority Critical patent/CN114355333B/zh
Publication of CN114355333A publication Critical patent/CN114355333A/zh
Application granted granted Critical
Publication of CN114355333B publication Critical patent/CN114355333B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种自动驾驶基于控制信息的目标筛选方法及系统、车辆,步骤包括:分别实时获取各车载单传感器采集的车道目标信息并进行预处理,实时获取车辆控制信息;分析当前车辆控制信息的合理性;根据当前车辆控制信息,选取场景预设估算模型,估算出基于本车坐标系下的当前场景ROI区域;分别对各车载单传感器对应的预处理后的车道目标信息在当前场景ROI区域选取合理有效目标,对各车载单传感器对应的合理有效目标进行关联并融合得到融合后的车道目标信息;根据融合后的历史车道目标信息和基于当前车辆控制信息估算出的当前场景ROI区域,筛选出最终的合理有效目标。本发明的目标筛选方法,获取目标的精确度更高,避免了目标不同程度的跳变和误差。

Description

一种自动驾驶基于控制信息的目标筛选方法及系统、车辆
技术领域
本发明涉及车辆自动驾驶传感数据融合技术领域,尤其涉及一种自动驾驶基于控制信息的目标筛选方法及系统、车辆。
背景技术
随着科技技术的不断革新,产品自动化成为了品牌拉动的重要属性之一。然而对于汽车行业,自动驾驶不仅是拉动品牌的有效途径,还是车辆驾驶的重要功能。因此,汽车行业的自动驾驶在新时代、新技术背景下,会成为新一轮研究热潮。就目前的行业技术,结构化道路的自动驾驶是本领域的主要方向之一,并且存在两大难关:1、有效稳定的目标;2、稳定的车道线信息。通过不同传感器获取的目标信息是自动驾驶必不可少的传感融合信息,对车辆驾驶控制有着关键性的作用。但目标由于受现场环境以及自身软硬的限制,会存在虚假目标以及不同程度的跳变和误差。
发明内容
本发明的目的是提供一种自动驾驶基于控制信息的目标筛选方法及系统、车辆,使得获取目标的精确度更高,极大地减少虚假目标,避免目标不同程度的跳变和误差。
为实现上述目的,本发明提供了一种自动驾驶基于控制信息的目标筛选方法,步骤包括:
(S1)分别实时获取各车载单传感器采集的车道目标信息并进行预处理,实时获取车辆控制信息,所述车辆控制信息包括本车控制基础信息和控制行为;
(S2)根据历史车辆控制数据分析当前车辆控制信息的合理性;若合理,使用并根据当前车辆控制信息,选取场景预设估算模型,估算出基于本车坐标系下的当前场景ROI区域;若不合理,舍弃并使用历史最新车辆控制信息,选取场景预设估算模型,估算出基于本车坐标系下的当前场景ROI区域;
(S3)分别对各车载单传感器对应的预处理后的车道目标信息在当前场景ROI区域选取合理有效目标,其中,合理有效目标表示在整车行驶过程中可能使本车行为改变的的目标;
(S4)对各车载单传感器对应的合理有效目标进行关联并融合得到融合后的车道目标信息,缓存融合后的车道目标信息;
(S5)根据融合后的历史车道目标信息和基于当前车辆控制信息估算出的当前场景ROI区域,筛选出最终的合理有效目标。
进一步,所述合理有效目标包括影响本车刹车、终止换道和加速的目标。
进一步,所述目标级信息包括目标跟踪ID、目标类型、航向角、运动状态、测量状态和车辆坐标系下的位置、速度和加速度。
进一步,所述控制基础信息包括本车位置、请求速度、请求转向角、转向灯状态、刹车灯状态和轮速;所述控制行为包括直行、换道、掉头和绕障。
进一步,所述场景预设估算模型包括直行模型、换道模型和转弯模型,场景预设估算模型根据车辆运动模型建立。
进一步,所述根据历史车辆控制数据判断当前车辆控制信息的合理性,具体执行以下步骤:结合当前控制信息和历史缓存控制数据,采用统计的方式分析当前控制信息的合理性。
进一步,对各车载单传感器对应的合理有效目标进行关联并融合得到融合后的车道目标信息,具体执行以下步骤:
在当前场景ROI区域中选取的各车载单传感器对应的合理有效目标进行目标关联,并给出高置信度;
采用目标属性优先级融合目标信息。
本发明还提供了一种自动驾驶基于控制信息的目标筛选系统,包括:
多个车载单传感器,用于实时分别获取车道目标信息;
控制信息获取单元,用于实时获取车辆控制信息;
控制信息合理性分析单元,用于分析当前车辆控制信息的合理性;
感兴趣区域估算单元,用于当前车辆控制信息预估基于本车坐标系下的ROI区域;
目标信息融合单元,用于进行目标关联和融合;
目标有效性提取单元,用于基于感兴趣区域过滤对控制无影响目标,获取合理有效目标;
所述控制信息获取单元和感兴趣区域估算单元均与控制信息合理性分析单元连接,多个车载单传感器和感兴趣区域估算单元均与目标有效性提取单元,目标有效性提取单元与目标信息融合单元连接,所述自动驾驶基于控制信息的目标筛选系统被配置执行所述的自动驾驶基于控制信息的目标筛选方法的步骤。
进一步,多个车载单传感器包括摄像头、毫米波雷达和激光雷达。
本发明还提供了一种车辆,包括所述的自动驾驶基于控制信息的目标筛选系统。
本发明与现有技术相比较具有以下优点:
本发明的自动驾驶基于控制信息的目标筛选方法及系统、车辆,能够有效计算感兴趣区域,筛选单传感器输出的目标信息,并在多传感器数据融合之后,能选择出最终的合理有效目标数据;对于单传感器目标筛选时,能够基于控制信息估算目标感兴趣区域,有目的性的选取融合目标,不仅增强了单传感器的目标健壮性和稳定性,同时也提升了目标关联和融合模块的效率和性能,降低了资源消耗;再通过多传感器融合目标并基于当前场景感兴趣区域进行目标筛选,极大地减少了虚假目标,使得获取目标的精确度更高,避免了目标不同程度的跳变和误差。
附图说明
图1为本发明自动驾驶基于控制信息的目标筛选方法的流程图;
图2为图1中车载单传感器ROI区域目标筛选的流程图;
图3为本发明自动驾驶基于控制信息的目标筛选方法的结构示意图。
图中:
1-控制信息获取单元,2-控制信息合理性分析单元,3-感兴趣区域估算单元,4-目标信息融合单元,5-目标有效性提取单元。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。
参见图1和图2所示,本实施例公开了一种自动驾驶基于控制信息的目标筛选方法,步骤包括:
(S1)分别实时获取各车载单传感器采集的车道目标信息并进行预处理,实时获取车辆控制信息,所述车辆控制信息包括本车控制基础信息和控制行为;
例如:摄像头采用深度学习检测在车道图像中提取车道目标信息;毫米波和激光雷达采用点云数据聚类获得车道目标信息。预处理需结合传感器特性以及先验知识制定单传感器清洗规则,过滤无效以及明显异常数据。例如:目标位置、速度的连续性和运动状态的持续性等。
(S2)根据历史车辆控制数据分析当前车辆控制信息的合理性;若合理,使用并根据当前车辆控制信息,选取场景预设估算模型,估算出基于本车坐标系下的当前场景ROI区域;若不合理,舍弃并使用历史最新车辆控制信息,选取场景预设估算模型,估算出基于本车坐标系下的当前场景ROI区域;
(S3)分别对各车载单传感器对应的预处理后的车道目标信息在当前场景ROI区域选取合理有效目标,其中,合理有效目标表示在整车行驶过程中可能使本车行为改变的的目标;
(S4)对各车载单传感器对应的合理有效目标进行关联并融合得到融合后的车道目标信息,缓存融合后的车道目标信息;
(S5)根据融合后的历史车道目标信息和基于当前车辆控制信息估算出的当前场景ROI区域,筛选出最终的合理有效目标。最终的合理有效目标即影响控制决策的目标满足有效性和健壮性。
在本实施例中,所述合理有效目标包括影响本车刹车、终止换道和加速的目标。
在本实施例中,所述目标级信息包括目标跟踪ID、目标类型、航向角、运动状态、测量状态和车辆坐标系下的位置、速度和加速度。
在本实施例中,所述控制基础信息包括本车位置、请求速度、请求转向角、转向灯状态、刹车灯状态和轮速;所述控制行为包括直行、换道、掉头和绕障。
在本实施例中,所述场景预设估算模型包括直行模型、换道模型和转弯模型,场景预设估算模型根据车辆运动模型建立。具体的,获取整车的速度、加速度以及控制操作信息转弯、换道等;结合车辆运动模型建立直行、换道、转弯等模型,并根据当前控制行为选取预估模型;采用预估模型计算整车行驶横纵向安全车距,在安全距离的基础上合理扩展一定范围形成感兴趣区域。
在本实施例中,所述根据历史车辆控制数据分析当前车辆控制信息的合理性,具体执行以下步骤:结合当前控制信息和历史缓存控制数据,采用统计的方式分析当前控制信息的合理性。具体的,缓存100帧控制数据,根据控制信息中的属性信息,如转角、轮速等形成属性列表;采用统计学中均方差、趋势预判等数量方法分析属性,根据属性列表分析评估当前控制信息的合理性。在某些实施例中,还可以采用其他方式分析当前控制信息的合理性。
在本实施例中,对各车载单传感器对应的合理有效目标进行关联并融合得到融合后的车道目标信息,具体执行以下步骤:
在当前场景ROI区域中选取的各车载单传感器对应的合理有效目标进行目标关联,并给出高置信度;目标关联采用匈牙利算法进行目标配对,可根据目标欧式距离以及跟踪ID、目标长宽高等属性分析计算置信度,在某些实施例中,还可以采用其他算法进行目标关联。
采用目标属性优先级融合目标信息。目标属性优先级融合策略为根据先验知识以及测试得出各传感器对目标的属性准确度的优先级,构建目标所有属性的选取策略,在某些实施例中,还可以采用其他算法。
参见图3所示,本实施例公开了一种自动驾驶基于控制信息的目标筛选系统,包括:
多个车载单传感器,用于实时分别获取车道目标信息;
控制信息获取单元1,用于实时获取车辆控制信息;
控制信息合理性分析单元2,用于分析当前车辆控制信息的合理性;
感兴趣区域估算单元3,用于当前车辆控制信息预估基于本车坐标系下的ROI区域;
目标信息融合单元4,用于进行目标关联和融合;
目标有效性提取单元5,用于基于ROI区域过滤对控制无影响目标,获取合理有效目标;
所述控制信息获取单元1和感兴趣区域估算单元3均与控制信息合理性分析单元2连接,多个车载单传感器和感兴趣区域估算单元3均与目标有效性提取单元5,目标有效性提取单元5与目标信息融合单元4连接,所述自动驾驶基于控制信息的目标筛选系统被配置执行上述的自动驾驶基于控制信息的目标筛选方法的步骤。
在本实施例中,多个车载单传感器包括摄像头、毫米波雷达和激光雷达。
本实施例公开了一种车辆,包括上述的自动驾驶基于控制信息的目标筛选系统。
本发明的自动驾驶基于控制信息的目标筛选方法及系统、车辆,能够有效计算感兴趣区域,筛选单传感器输出的目标信息,并在多传感器数据融合之后,能选择出最终的合理有效目标;对于单传感器目标筛选时,能够基于控制信息估算目标感兴趣区域,有目的性的选取融合目标,不仅增强了单传感器的目标健壮性和稳定性,同时也提升了目标关联和融合模块的效率和性能,降低了资源消耗;再通过多传感器融合目标并基于当前场景感兴趣区域进行目标筛选,极大地减少了虚假目标,使得获取目标的精确度更高,避免了目标不同程度的跳变和误差。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种自动驾驶基于控制信息的目标筛选方法,其特征在于,步骤包括:
(S1)分别实时获取各车载单传感器采集的车道目标信息并进行预处理,实时获取车辆控制信息,所述车辆控制信息包括本车控制基础信息和控制行为;
(S2)根据历史车辆控制数据分析当前车辆控制信息的合理性;若合理,使用并根据当前车辆控制信息,选取场景预设估算模型,估算出基于本车坐标系下的当前场景ROI区域;若不合理,舍弃并使用历史最新车辆控制信息,选取场景预设估算模型,估算出基于本车坐标系下的当前场景ROI区域;
(S3)分别对各车载单传感器对应的预处理后的车道目标信息在当前场景ROI区域选取合理有效目标,其中,合理有效目标表示在整车行驶过程中可能使本车行为改变的的目标;
(S4)对各车载单传感器对应的合理有效目标进行关联并融合得到融合后的车道目标信息,缓存融合后的车道目标信息;
(S5)根据融合后的历史车道目标信息和基于当前车辆控制信息估算出的当前场景ROI区域,筛选出最终的合理有效目标。
2.根据权利要求1所述的自动驾驶基于控制信息的目标筛选方法,其特征在于,所述合理有效目标包括影响本车刹车、终止换道和加速的目标。
3.根据权利要求1或2所述的自动驾驶基于控制信息的目标筛选方法,其特征在于,所述目标级信息包括目标跟踪ID、目标类型、航向角、运动状态、测量状态和车辆坐标系下的位置、速度和加速度。
4.根据权利要求3所述的自动驾驶基于控制信息的目标筛选方法,其特征在于,所述控制基础信息包括本车位置、请求速度、请求转向角、转向灯状态、刹车灯状态和轮速;所述控制行为包括直行、换道、掉头和绕障。
5.根据权利要求1或2或4所述的自动驾驶基于控制信息的目标筛选方法,其特征在于,所述场景预设估算模型包括直行模型、换道模型和转弯模型,场景预设估算模型根据车辆运动模型建立。
6.根据权利要求5所述的自动驾驶基于控制信息的目标筛选方法,其特征在于,所述根据历史车辆控制数据判断当前车辆控制信息的合理性,具体执行以下步骤:结合当前控制信息和历史缓存控制数据,采用统计的方式分析当前控制信息的合理性。
7.根据权利要求1或2或4或6所述的自动驾驶基于控制信息的目标筛选方法,其特征在于,对各车载单传感器对应的合理有效目标进行关联并融合得到融合后的车道目标信息,具体执行以下步骤:
在当前场景ROI区域中选取的各车载单传感器对应的合理有效目标进行目标关联,并给出高置信度;
采用目标属性优先级融合目标信息。
8.一种自动驾驶基于控制信息的目标筛选系统,其特征在于,包括:
多个车载单传感器,用于实时分别获取车道目标信息;
控制信息获取单元(1),用于实时获取车辆控制信息;
控制信息合理性分析单元(2),用于分析当前车辆控制信息的合理性;
感兴趣区域估算单元(3),用于当前车辆控制信息预估基于本车坐标系下的ROI区域;
目标信息融合单元(4),用于进行目标关联和融合;
目标有效性提取单元(5),用于基于ROI区域过滤对控制无影响目标,获取合理有效目标;
所述控制信息获取单元(1)和感兴趣区域估算单元(3)均与控制信息合理性分析单元(2)连接,多个车载单传感器和感兴趣区域估算单元(3)均与目标有效性提取单元(5),目标有效性提取单元(5)与目标信息融合单元(4)连接,所述自动驾驶基于控制信息的目标筛选系统被配置执行如权利要求1至7任一所述的自动驾驶基于控制信息的目标筛选方法的步骤。
9.根据权利要求8所述的自动驾驶基于控制信息的目标筛选系统,其特征在于,多个车载单传感器包括摄像头、毫米波雷达和激光雷达。
10.一种车辆,其特征在于,包括如权利要求8或9所述的自动驾驶基于控制信息的目标筛选系统。
CN202111659183.4A 2021-12-30 2021-12-30 一种自动驾驶基于控制信息的目标筛选方法及系统、车辆 Active CN114355333B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111659183.4A CN114355333B (zh) 2021-12-30 2021-12-30 一种自动驾驶基于控制信息的目标筛选方法及系统、车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111659183.4A CN114355333B (zh) 2021-12-30 2021-12-30 一种自动驾驶基于控制信息的目标筛选方法及系统、车辆

Publications (2)

Publication Number Publication Date
CN114355333A true CN114355333A (zh) 2022-04-15
CN114355333B CN114355333B (zh) 2024-09-13

Family

ID=81105500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111659183.4A Active CN114355333B (zh) 2021-12-30 2021-12-30 一种自动驾驶基于控制信息的目标筛选方法及系统、车辆

Country Status (1)

Country Link
CN (1) CN114355333B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190092235A1 (en) * 2017-09-26 2019-03-28 Samsung Sds Co., Ltd. Vehicle driving assistance method and apparatus using image processing
CN110969178A (zh) * 2018-09-30 2020-04-07 长城汽车股份有限公司 自动驾驶车辆的数据融合系统、方法及自动驾驶系统
KR20200084955A (ko) * 2018-12-27 2020-07-14 현대자동차주식회사 차량 및 그 제어방법
KR20200133122A (ko) * 2019-05-17 2020-11-26 현대모비스 주식회사 차량 충돌 방지 장치 및 방법
CN112644488A (zh) * 2020-12-30 2021-04-13 清华大学苏州汽车研究院(吴江) 自适应巡航系统
CN112712717A (zh) * 2019-10-26 2021-04-27 华为技术有限公司 一种信息融合的方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190092235A1 (en) * 2017-09-26 2019-03-28 Samsung Sds Co., Ltd. Vehicle driving assistance method and apparatus using image processing
CN110969178A (zh) * 2018-09-30 2020-04-07 长城汽车股份有限公司 自动驾驶车辆的数据融合系统、方法及自动驾驶系统
KR20200084955A (ko) * 2018-12-27 2020-07-14 현대자동차주식회사 차량 및 그 제어방법
KR20200133122A (ko) * 2019-05-17 2020-11-26 현대모비스 주식회사 차량 충돌 방지 장치 및 방법
CN112712717A (zh) * 2019-10-26 2021-04-27 华为技术有限公司 一种信息融合的方法和系统
CN112644488A (zh) * 2020-12-30 2021-04-13 清华大学苏州汽车研究院(吴江) 自适应巡航系统

Also Published As

Publication number Publication date
CN114355333B (zh) 2024-09-13

Similar Documents

Publication Publication Date Title
JP7140922B2 (ja) マルチセンサデータ融合方法、及び装置
JP5017392B2 (ja) 位置推定装置および位置推定方法
US20210389133A1 (en) Systems and methods for deriving path-prior data using collected trajectories
CN112567439B (zh) 一种交通流信息的确定方法、装置、电子设备和存储介质
US11087147B2 (en) Vehicle lane mapping
US11731649B2 (en) High precision position estimation method through road shape classification-based map matching and autonomous vehicle thereof
US12061255B2 (en) Scan matching and radar pose estimator for an autonomous vehicle based on hyper-local submaps
CN108458746A (zh) 一种基于多类型传感器自适应融合方法
CN111959515B (zh) 一种基于视觉检测的前向目标选择方法、装置及系统
CN114296095A (zh) 自动驾驶车辆的有效目标提取方法、装置、车辆及介质
CN112793568A (zh) 车辆操作标签
US20230281872A1 (en) System for calibrating extrinsic parameters for a camera in an autonomous vehicle
CN118025155A (zh) 一种跟车目标确定方法、设备、车辆及程序产品
CN114084129A (zh) 一种基于融合的车辆自动驾驶控制方法及系统
CN114355333B (zh) 一种自动驾驶基于控制信息的目标筛选方法及系统、车辆
CN116209920A (zh) 借助激光雷达传感器的测量和计算设备来估计车辆自身运动的方法
CN113327456A (zh) 一种车道结构检测方法及装置
CN114084133A (zh) 一种跟车目标的确定方法及相关装置
CN111326002A (zh) 一种自动驾驶汽车环境感知的预测方法、装置及系统
CN115284809B (zh) 智能网联车队主动悬架控制方法、系统及计算机设备
CN112924960B (zh) 目标尺寸实时检测方法、系统、车辆及存储介质
US11965978B2 (en) Calibration pipeline for estimating six degrees of freedom (6DoF) alignment parameters for an autonomous vehicle
US20240328793A1 (en) Vehicle localization
WO2023123325A1 (zh) 一种状态估计方法和装置
EP4394705A1 (en) A method and device for calibrating a camera mounted on a vehicle

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant